ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA PODNIKOVOU SFÉRU

TECHNICKÁ UNIVERZITA V LIBERCI

Ekonomická fakulta

ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA PODNIKOVOU SFÉRU

DIPLOMOVÁ PRÁCE

Liberec 2014 Bc. Daniela Halková

ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA PODNIKOVOU SFÉRU

Diplomová práce

Studijní program: N6208 – Ekonomika a management Studijní obor: 6208T085 – Podniková ekonomika Autor práce: Bc. Daniela Halková

Vedoucí práce: Ing. Vladimíra Hovorková Valentová, Ph.D.

Liberec 2014

THE ANALYSIS OF THE IMPACT OF DEMOGRAPHIC FACTORS ON BUSINESS

ENVIRONMENT

Diploma thesis

Study programme: N6208 – Economics and Management Study branch: 6208T085 – Business Administration

Author: Bc. Daniela Halková

Supervisor: Ing. Vladimíra Hovorková Valentová, Ph.D.

Liberec 2014

Prohlášení

Byla jsem seznámena s tím, že na mou diplomovou práci se plně vzta- huje zákon č. 121/2000 Sb., o právu autorském, zejména § 60 – školní dílo.

Beru na vědomí, že Technická univerzita v Liberci (TUL) nezasahuje do mých autorských práv užitím mé diplomové práce pro vnitřní potřebu TUL.

Užiji-li diplomovou práci nebo poskytnu-li licenci k jejímu využití, jsem si vědoma povinnosti informovat o této skutečnosti TUL; v tom- to případě má TUL právo ode mne požadovat úhradu nákladů, které vynaložila na vytvoření díla, až do jejich skutečné výše.

Diplomovou práci jsem vypracovala samostatně s použitím uvedené literatury a na základě konzultací s vedoucím mé diplomové práce a konzultantem.

Současně čestně prohlašuji, že tištěná verze práce se shoduje s elek- tronickou verzí, vloženou do IS STAG.

Datum:

Podpis:

6

Poděkování

Na tomto místě bych ráda poděkovat Ing. Vladimíře Hovorkové Valentové, Ph.D.

za odborné vedení této diplomové práce, cenné připomínky a vstřícný přístup.

7

Anotace

Tato diplomová práce se zabývá analýzou vlivu demografických faktorů na podnikovou sféru. Cílem předkládané diplomové práce je identifikovat demografické faktory, které mají vliv na činnost podniku. Pro určení vlivu demografických faktorů na činnost podniku je v této práci využita regresní analýza, ve které je zvolena jako závislá proměnná produktivita práce. V práci je charakterizována podstata a vývoj jednotlivých demografických ukazatelů, produktivity práce a jejich mezinárodní srovnání v rámci sledovaných ekonomik. Dále je pozornost věnována analýze možných vazeb a propojení těchto demografických ukazatelů na činnost podniku. Výsledky regresní analýzy prokázaly pozitivní vliv úrovně vzdělání obyvatelstva a podílu osob v ekonomicky aktivním věku na produktivitu práce. Poslední část této diplomové práce charakterizuje způsob implementace opatření Age Managementu na podnikové úrovni a význam vzdělávání pro podnik.

Klíčová slova

Age Management, demografické faktory, vzdělávání, podniková sféra, produktivita práce, regresní analýza.

8

Annotation

This diploma thesis deals with an analysis of the impact of demographic factors on the business environment. The aim of this diploma thesis is to identify demographic factors, which have an influence on business activities. To identify the impact of demographic factors on business activities the regression analysis, where the labour productivity has been chosen as dependent variable, is used in this diploma thesis. The meaning and the development of demographic indicators and labour productivity is characterised and compared with the analysed countries. Further, the attention is paid to the analysis of relation between these demographic indicators and business activities.

The results of the regression analysis have proved that the education level of population and the ratio of economically active population have a positive impact on labour productivity. The last part of this diploma thesis characterises the ways of implementation of the Age Management at the company level and the importance of education for a company.

Key Words

Age Management, business environment, demographic factors, education, labour productivity, regression analysis.

9

Obsah

Seznam ilustrací ... 12

Seznam tabulek ... 14

Seznam zkratek ... 15

Úvod ... 16

1 Věková struktura obyvatelstva ... 18

1.1 Definice a popis ukazatelů věkové struktury ... 18

1.1.1 Hrubá míra porodnosti ... 19

1.1.2 Hrubá míra úmrtnosti ... 20

1.1.3 Přirozený přírůstek obyvatelstva ... 21

1.1.4 Index stáří ... 21

1.1.5 Index ekonomického zatížení ... 22

1.1.6 Míry ekonomické aktivity, zaměstnanosti a nezaměstnanosti... 24

1.1.7 Hustota obyvatelstva ... 27

1.2 Populační politika ... 28

2 Vzdělanostní struktura obyvatelstva ... 32

2.1 Definice a popis ukazatelů vzdělanostní struktury ... 34

2.1.1 Průměrná délka vzdělávání (ALE) ... 35

2.1.2 Střední délka vzdělávání (EE) ... 36

2.2 Vzdělávací systémy ... 37

2.2.1 Preprimární vzdělávání ... 37

2.2.2 Primární a základní vzdělávání... 39

2.2.3 Vyšší sekundární vzdělávání ... 40

2.2.4 Terciární a vysokoškolské vzdělávání ... 41

2.2.5 Vzdělávání dospělých a distanční vzdělávání ... 43

3 Migrace obyvatelstva ... 46

3.1 Definice a popis ukazatelů migrace ... 47

3.1.1 Přírůstek stěhováním ... 47

3.1.2 Migrační přírůstek ... 48

3.2 Migrace v Evropě ... 48

4 Vazby demografických faktorů na podnikovou sféru ... 50

10

4.1 Demografické trendy a jejich očekávané dopady na trh práce ... 51

4.2 Kvalifikační struktura pracovní síly ... 54

4.3 Nedostatek pracovní síly na trhu práce a jeho možné způsoby řešení ... 55

4.4 Znalosti jako faktor konkurenceschopnosti ... 56

4.5 Produktivita práce ... 57

5 Zjištění hodnot a vlastností sledovaných demografických ukazatelů ... 60

5.1 Vývoj hrubé míry porodnosti ... 61

5.2 Vývoj úhrnné plodnosti ... 63

5.3 Vývoj hrubé míry úmrtnosti... 64

5.4 Vývoj hrubé míry přirozeného přírůstku ... 65

5.5 Vývoj hrubé míry migračního salda ... 67

5.6 Vývoj hrubé míry celkového přírůstku ... 69

5.7 Vývoj věkové struktury ... 72

5.8 Vývoj úrovně vzdělání ... 75

5.9 Vývoj produktivity práce ... 79

6 Regresní analýza ... 82

6.1 Jednoduchá lineární regrese ... 82

6.2 Kvalita regresní funkce a intenzita závislosti ... 84

7 Analýza vlivu demografických faktorů na podnikovou sféru ... 86

7.1 Ověření závislosti produktivity práce na demografických ukazatelích ... 86

7.1.1 Vliv hrubé míry porodnosti ... 86

7.1.2 Vliv úhrnné plodnosti ... 89

7.1.3 Vliv hrubé míry úmrtnosti ... 90

7.1.4 Vliv přirozeného přírůstku... 91

7.1.5 Vliv hrubé míry migračního salda ... 93

7.1.6 Vliv celkového přírůstku ... 94

7.1.7 Vliv velikosti podílu osob v ekonomicky aktivním věku ... 95

7.1.8 Vliv hustoty obyvatelstva ... 97

7.1.9 Vliv střední délky vzdělávání ... 98

7.1.10 Vliv velikosti podílu osob s dosaženým základním vzděláním ... 99

7.1.11 Vliv velikosti podílu osob s dosaženým středoškolským vzděláním ... 101

7.1.12 Vliv velikosti podílu osob s dosaženým vysokoškolským vzděláním ... 102

11

7.2 Vyhodnocení závislosti produktivity práce na demografických ukazatelích ve vztahu s podnikovou sférou ... 103 Závěr ... 108 Seznam bibliografických záznamů ... 110

12

Seznam ilustrací

Obr. 1: Členění obyvatelstva ... 23 Obr. 2: Úhrnná míra plodnosti a míry zaměstnanosti žen v zemích OECD v roce 2005 ... 29 Obr. 3: Počet obyvatel v České republice, Finsku, Norsku a Švýcarsku, 1960-2013 ... 60 Obr. 4: Hrubá míra porodnosti v České republice, Finsku, Norsku a Švýcarsku,

1960-2012 ... 61 Obr. 5: Úhrnná plodnost v České republice, Finsku, Norsku a Švýcarsku, 1960-2012 ... 63 Obr. 6: Hrubá míra úmrtnosti v České republice, Finsku, Norsku a Švýcarsku,

1960-2012 ... 64 Obr. 7: Hrubá míra přirozeného přírůstku v České republice, Finsku, Norsku a

Švýcarsku, 1960-2012 ... 66 Obr. 8: Hrubá míra migračního salda v České republice, Finsku, Norsku a Švýcarsku,

1960-2012 ... 67 Obr. 9: Celkový populační přírůstek v České republice, Finsku, Norsku a Švýcarsku,

1960-2012 ... 70 Obr. 10: Střední délka vzdělávání v České republice, Finsku, Norsku a Švýcarsku,

2001-2012 ... 75 Obr. 11: Nejvyšší dosažené vzdělání - základní v České republice, Finsku, Norsku

a Švýcarsku, 2002-2012 ... 77 Obr. 12: Nejvyšší dosažené vzdělání - střední v České republice, Finsku, Norsku

a Švýcarsku, 2002-2012 ... 78 Obr. 13: Nejvyšší dosažené vzdělání - vysokoškolské v České republice, Finsku,

Norsku a Švýcarsku, 2002-2012 ... 79 Obr. 14: Produktivita práce (EUR na odpracovanou hodinu) v České republice,

Finsku, Norsku a Švýcarsku, 1995-2013 ... 80 Obr. 15: Produktivita práce (procentuální změna k předchozímu roku)

v České republice, Finsku, Norsku a Švýcarsku, 1995-2013 ... 81 Obr. 16: Vyrovnání závislosti mezi produktivitou práce (EUR) a hrubou mírou

porodnosti v České republice ... 87 Obr. 17: Vyrovnání závislosti mezi produktivitou práce (EUR) a hrubou mírou

úmrtnosti ve Švýcarsku ... 91

13

Obr. 18: Vyrovnání závislosti mezi produktivitou práce (EUR) a přirozeným

přírůstkem v České republice ... 92 Obr. 19: Vyrovnání závislosti mezi produktivitou práce (EUR) a hrubou mírou

migračního salda ve Finsku ... 94 Obr. 20: Vyrovnání závislosti mezi produktivitou práce (EUR) a velikosti podílu osob

v ekonomicky aktivním věku v Norsku ... 96 Obr. 21: Vyrovnání závislosti mezi produktivitou práce (EUR) a střední délkou

vzdělávání v České republice ... 99 Obr. 22: Vyrovnání závislosti mezi produktivitou práce (EUR) a velikostí podílu osob

s dosaženým základním vzděláním v České republice ... 100 Obr. 23: Vyrovnání závislosti mezi produktivitou práce (EUR) a velikostí podílu osob

s dosaženým vysokoškolským vzděláním v České republice ... 103

14

Seznam tabulek

Tab. 1: Mateřské dovolené ... 30

Tab. 2: Rodičovské dovolené a dovolené na péči o dítě ... 31

Tab. 3: Otcovské dovolené ... 31

Tab. 4: Kategorie dosaženého vzdělání podle KKOV ... 33

Tab. 5: Vývoj složení obyvatelstva podle hlavních věkových skupin v České republice, Finsku, Norsku a Švýcarsku, 1960-2013 ... 72

Tab. 6: Souhrnné ukazatele věkového složení obyvatelstva v České republice, Finsku, Norsku a Švýcarsku, 1960-2013 ... 73

Tab. 7: Znalost cizích jazyků v České republice, Finsku, Norsku a Švýcarsku, 2007 a 2011 ... 76

Tab. 8: Závislost produktivity práce na hrubé míře porodnosti ... 87

Tab. 9: Závislost produktivity práce na úhrnné plodnosti ... 89

Tab. 10: Závislost produktivity práce na hrubé míře úmrtnosti ... 90

Tab. 11: Závislost produktivity práce na přirozeném přírůstku ... 92

Tab. 12: Závislost produktivity práce na hrubé míře migračního salda ... 93

Tab. 13: Závislost produktivity práce na celkovém přírůstku ... 95

Tab. 14: Závislost produktivity práce na velikosti podílu osob v ekonomicky aktivním věku ... 96

Tab. 15: Závislost produktivity práce na hustotě obyvatelstva ... 97

Tab. 16: Závislost produktivity práce na střední délce vzdělávání ... 98

Tab. 17: Závislost produktivity práce na velikosti podílu osob s dosaženým základním vzděláním ... 99

Tab. 18: Závislost produktivity práce na velikosti podílu osob s dosaženým středoškolským vzděláním ... 101

Tab. 19: Závislost produktivity práce na velikosti podílu osob s dosaženým vysokoškolským vzděláním ... 102

15

Seznam zkratek

ALE Průměrná délka vzdělávání (Average Lenght of Education) EE Střední délka vzdělávání (Education Expectancy)

EU-SILC Výběrové šetření příjmů a životních podmínek domácností (European Union - Statistics on Income and Living Conditions)

HDP Hrubý domácí produkt

IAB Ústav pro výzkum trhu práce a povolání (Institut für Arbeitsmarkt- und Berufsforschung)

ILO Mezinárodní organizace práce (International Labour Organization)

ISCED Mezinárodní standardní klasifikace vzdělávání (International Standard Classification of Education)

KKOV Klasifikace kmenových oborů vzdělání MPSV Ministerstvo práce a sociálních věcí

OECD Organizace pro hospodářskou spolupráci a rozvoj (Organisation for Economic Co-operation and Development)

OSN Organizace spojených národů

16

Úvod

Změny v demografickém vývoji a struktuře společnosti patří v posledních letech mezi jednu z nejvíce diskutovaných problematik, která se dotýká většiny vyspělých zemí Evropy včetně České republiky. Přestože se na první pohled může zdát, že demografický vývoj nemá na činnost podniku vliv, není tomu tak. Demografický vývoj totiž významně působí na množství disponibilní pracovní síly a její demografické složení. Pro podnik je pak neméně podstatný vývoj úrovně vzdělání obyvatelstva, který ovlivňuje kvalitu pracovních sil podniku. Ačkoliv změny v demografickém vývoji nastávají relativně pomalu a jsou většinou známy v předstihu, mohou mít v budoucnosti významný dopad na činnost podniků i stav celé národní ekonomiky země.

Zatímco se většina odborné literatury v souvislosti s demografickým vývojem zaměřuje na ekonomický růst, tato práce se zabývá analýzou vlivu demografických faktorů na podnikovou sféru. Cílem předkládané diplomové práce je tak určit, které demografické faktory mají vliv na činnost podniku a které jsou pro podnik irelevantní. Za tímto účelem jsou v práci jednotlivé demografické ukazatele definovány, kvantifikovány pomocí statistických dat a analyzovány jejich vývojové tendence. Mezi zkoumané demografické ukazatele jsou zahrnuty především ty, které dobře charakterizují vývoj věkového složení obyvatelstva, vzdělanostní strukturu obyvatelstva a migraci obyvatelstva. Pro určení vlivu demografických ukazatelů na činnost podniků je v této práci využita regresní analýza, ve které je určena jako závislá proměnná produktivita práce. Tento ukazatel je zvolen z důvodu, že je jedním ze základních ukazatelů konkurenceschopnosti a je tak zásadní pro každý podnik i celou národní ekonomiku. V této práci byla produktivita práce vyjádřena jako reálná produktivita práce na odpracovanou hodinu v eurech, která umožňuje dobré mezinárodní srovnání, které by mohlo být jinak ovlivněno rozdíly ve složení pracovní síly z částečných a plných úvazků.

Součástí této diplomové práce je i mezinárodní srovnání vlivu demografických ukazatelů na podnikovou sféru, které umožnuje ověřit, zda není zjištená závislost produktivity práce na konkrétním demografickém ukazateli ovlivněna národními specifiky a prosazuje se tak nejen v České republice, ale i v jiných ekonomikách. Pro mezinárodní srovnání jsou proto vybrány země, které se svými charakteristikami vzájemně co nejvíce liší a umožňují tak

17

kvalitní srovnání. Při výběru zemí bylo zvažováno například Rusko, Finsko, Norsko, Švýcarsko nebo Chorvatsko. Do této práce bylo následně zařazeno Finsko, které je vyhlášené svým propracovaným vzdělávacím systémem, dále pak Norsko, které vykazuje relativně vysokou úroveň porodnosti a zároveň není členem Evropské unie, a Švýcarsko, které je rovněž neunijní stát a má bohaté zkušenosti s migrací.

Konečný výběr zemí pro mezinárodní srovnání následně ovlivnil i výběr zdrojů dat.

Hlavním informačním zdrojem pro tuto diplomovou práci se stala elektronická databáze Eurostatu. Přestože se v této práci v souvislosti s uvažovanými zeměmi pro mezinárodní srovnání předpokládalo využití i elektronické databáze Světové banky, bylo pro zachování jednotné metodiky využíváno pouze elektronické databáze Eurostatu, která uspokojivě zajišťuje potřebná data.

Úvodní část předkládané diplomové práce se věnuje definování a vysvětlení podstaty jednotlivých analyzovaných demografických ukazatelů. V této části jsou rovněž analyzovány faktory, které tyto sledované demografické ukazatele ovlivňují nebo by na ně mohly mít potenciálně vliv. V další části této práce následuje analýza možných vazeb a propojení analyzovaných demografických ukazatelů na činnost podniků. Po této části následuje zjištění hodnot a vlastností sledovaných demografických ukazatelů, které je provedeno formou mezinárodního srovnání mezi vybranými ekonomikami. V následující části je pak provedena regresní analýza, jejíž prostřednictvím je ověřena závislost produktivity práce na jednotlivých sledovaných demografických ukazatelích. Tato část je poté doplněna o interpretaci empirických výsledků ve vztahu s podnikovou sférou.

18

1 Věková struktura obyvatelstva

Vývoj populace je na straně jedné do značné míry důsledkem společensko-ekonomického vývoje, na straně druhé však demografické struktury a demografická reprodukce společenský i ekonomický vývoj modifikují. Zároveň jsou důsledky proměny demografické situace v pozadí řady nejen již zjevných ale také zatím latentních nepříznivých tendencí, kterým bude muset společnost čelit. Jako dvě nejvýznamnější tendence, které budou na společnost klást vysoké nároky, se uvádí dlouhodobé snížení míry početní obnovy populace pod záchovnou mez, které vede k rychlému demografickému stárnutí populace, a rostoucí atomizace společnosti, kdy stále menší počet osob žije v rodinách. Obě dvě tendence tak postupem času budou vytvářet ekonomicky náročnější a také zranitelnější společnost [1 s. 15].

1.1 Definice a popis ukazatelů věkové struktury

Jedním ze základních ukazatelů charakterizujících velikost populace je počet obyvatelstva.

Přestože se na první pohled zdá, že se jedná o zcela jednoduchý ukazatel, při jeho určení je třeba vyřešit několik základních problémů, které převážně souvisejí s cílem jeho použití.

Chceme-li znát odpověď na otázku, kolik obyvatel je v danou chvíli v určitém regionu přítomno, pak zjišťujeme přítomné obyvatelstvo, tj. všechny osoby, které se na daném území v danou chvíli nacházejí. Chceme-li však zjistit počet bydlícího obyvatelstva, pak musíme určit počet osob, které mají na daném území trvalé bydliště, a to bez ohledu na to, zda se v daném okamžiku na tomto území nacházejí nebo nejsou přítomny. Počet obyvatelstva patří mezi okamžikové ukazatele a bývá zjišťován vyčerpávajícím způsobem.

V České republice se počet obyvatelstva zjišťuje vyčerpávajícím způsobem v desetiletých intervalech během Sčítání lidu, domů a bytů. Pro určení ukazatele o stavu obyvatelstva během tohoto desetiletého období mezi cenzy se využívá metody bilancování obyvatelstva, která využívá ukazatele pohybu obyvatelstva průběžně zjišťované vyčerpávajícím způsobem a zpracovávané v měsíčních intervalech [2 s. 113].

Změny v počtu obyvatelstva zpravidla nastávají v důsledku přirozeného pohybu obyvatelstva (narození, úmrtí) nebo mechanického pohybu (migrace vnitřní a vnější). Na

19

základě znalosti změn v počtu obyvatelstva v daném období lze konečný stav obyvatelstva určit pomocí následujícího vztahu:

počet obyvatel na začátku období + (počet živě narozených – počet zemřelých) + (počet přistěhovalých – počet vystěhovalých) = počet obyvatel na konci období.

Při konstrukci celé řady relativních ukazatelů však nelze z věcných důvodů využít těchto okamžikových ukazatelů počtu obyvatelstva, protože potřebujeme charakterizovat velikost populace za celé sledované období. Z tohoto důvodu je obvykle používán ukazatel středního stavu obyvatelstva, který se určuje pomocí bilanční metody nebo pomocí průměrování počátečního a konečného stavu obyvatelstva. Kromě celkového stavu obyvatelstva je také důležité znát strukturu obyvatelstva z celé řady dalších hledisek jako je například hledisko pohlaví a věku. Zatímco podíl z hlediska pohlaví v celkové populaci je relativně stálý, tak v rámci některých subpopulací (např. v určitých věkových skupinách) je dosti proměnlivý [2 s. 114].

1.1.1 Hrubá míra porodnosti

Kromě přirozeného pohybu obyvatelstva (narození a úmrtí) a mechanického pohybu (stěhování) statistika pohybu obyvatelstva rovněž sleduje počet sňatků a rozvodů.

Statistické sledování pohybu obyvatel v České republice provádí Český statistický úřad pomocí statistického individuálního hlášení formou vyčerpávajícího statistického zjišťování. Sledování změn počtu obyvatelstva následkem narození a úmrtí je založeno na soustavě matrik, jejichž vedením je pověřen příslušný obecní úřad. Prostřednictvím hlášení o narození Český statistický úřad měsíčně sleduje počet narozených, přičemž se rozlišují živě narození a mrtvě narození. Podle takto zjištěných ukazatelů se pak konstruují ukazatele intenzity procesu rození hrubá (obecná) míra celkové porodnosti (natalita) a hrubá (obecná) míra porodnosti.

Hrubá míra porodnosti = počet živě narozených ve sledovaném období

střední stav obyvatelstva 1000 (1)

20

Zatímco ukazatel obecné míry celkové porodnosti je konstruován jako podíl počtu dětí narozených ve sledovaném období a středního stavu obyvatelstva vyjádřených na 1000 obyvatel, tak ukazatel obecné míry porodnosti pracuje pouze s počtem živě narozených dětí ve sledovaném období [2 s. 114-115].

Při analýzách úrovně porodnosti se často využívá ukazatele plodnosti (fertility), který je definován jako poměr počtu živě narozených dětí ke střednímu stavu žen, tj.

Plodnost = počet živě narozených ve sledovaném období

střední stav žen 1000, (2)

které lze dále rozlišovat a rozčleňovat podle jednotlivých ročníků reprodukčního života žen (15 – 49 let) na tzv. specifické fertility. Podle úhrnu specifických fertilit, které dosáhne žena při ukončení svého reprodukčního věku, se posuzuje intenzita reprodukce.

Přepočteme-li tyto úhrny na podíl narozených dívek, získáme tzv. hrubou míru reprodukce.

Pokud se při výpočtu navíc zohlední úmrtnost dětí, tj. úhrny živě narozených dětí se redukují na počty těch dívek, které se dožijí věku své matky, tak získáme čistou míru reprodukce. Má-li tedy počet obyvatelstva následkem přirozeného pohybu obyvatel růst, musí být čistá míra reprodukce trvale vyšší než 1,0 [2 s. 115].

1.1.2 Hrubá míra úmrtnosti

Další demografickou událostí, která ovlivňuje počet obyvatel, je úmrtí. Počet zemřelých je sledován pomocí hlášení o úmrtí. U dětí zemřelých do jednoho roku se navíc sleduje, zda se nejedná o úmrtí do 24 hodin po narození. Mimo sledování absolutního počtu zemřelých je proces vymírání sledován především ukazatelem hrubé míry úmrtnosti, který je dán následujícím vztahem:

Hrubá míra úmrtnosti = počet zemřelých ve sledovaném období

střední stav obyvatelstva 1000

21

Tento ukazatel se konstruuje nejen pro obyvatelstvo celkem, ale také z hlediska pohlaví a věkových struktur (specifické míry úmrtnosti), pro které má vyšší vypovídací schopnost [2 s. 115].

1.1.3 Přirozený přírůstek obyvatelstva

Přirozený přírůstek obyvatelstva je rozdílem počtu živě narozených dětí a počtu zemřelých obyvatel za stejné sledované období a dané území. Dosahuje-li ukazatel kladných hodnot, potom počet živě narozených dětí převyšuje počet zemřelých osob, a naopak je-li počet zemřelých obyvatel větší než počet živě narozených dětí, je výsledná hodnota tohoto ukazatele záporná.

Přirozený přírůstek na 1000 obyvatel

=(počet živě narozených) - (počet zemřelých)

počet obyvatel 1000 (4)

Počet živě narozených dětí je počet dětí, o jejichž narození obdržel Český statistický úřad od zpravodajské jednotky (matriky a zdravotnického zařízení) statistické hlášení o narození. Definice živě narozeného dítěte je zakotvena ve vyhlášce Ministerstva zdravotnictví ČR č. 11/1988 Sb. Podle této vyhlášky je za živě narozené dítě považován plod, který projevil alespoň jednu ze známek života (dech, akce srdeční, pulzace pupečníku, aktivní pohyb svalstva) a má porodní hmotnost 500 gramů a vyšší nebo nižší než 500 gramů, přežije-li 24 hodin po porodu. Za mrtvě narozené dítě se pak na základě této vyhlášky považuje plod, který neprojevuje ani jednu známku života a má porodní hmotnost 1000 gramů a vyšší. O počtu zemřelých osob obdržuje Český statistický úřad statistické hlášení o úmrtí od zpravodajské jednotky (matriky) [3 s. 12].

1.1.4 Index stáří

Velmi často používanou charakteristikou věkové struktury obyvatelstva, která vypovídá o stárnutí populace, je index stáří. Tento index vyjadřuje, kolik obyvatel ze starších věkových skupin připadá na sto dětí. Konkrétně v tomto případě vyjadřuje, kolik obyvatel ve věku 65 let a více připadá na sto dětí do věku 15 let.

22 Index stáří

=

počet obyvatel ve věku 0 - 1 let 100 (5)

Pokud je výsledná velikost indexu nižší než sto, je podíl sledované dětské složky obyvatel vyšší než podíl starších osob a naopak, převyšuje-li výsledná hodnota indexu sto, je počet osob ve věku nad 65 let vyšší než počet dětí v populaci [3 s. 13].

1.1.5 Index ekonomického zatížení

Další velmi zajímavou charakteristikou věkové struktury obyvatelstva je i index ekonomického zatížení. Tento index vypovídá o poměru počtu seniorů a dětí k počtu obyvatel v ekonomicky aktivním věku. Konkrétně v tomto případě vyjadřuje, kolik dětí ve věku 0 - 14 let a osob ve věku 65 a více let připadá na 100 osob ve věku 15 – 64 let.

Index ekonomického zatížení

=

počet obyvatel ve věku 1 - let 100 (6)

Na základě výpočtu tohoto ukazatele platí, že čím menší je výsledná hodnota indexu, tím příznivější je poměr mezi ekonomicky neaktivní a aktivní složkou obyvatel z pohledu věkové struktury obyvatel [3 s. 13].

V souvislosti s tímto indexem statistika člení obyvatelstvo do tří vzájemně se vylučujících kategorií – zaměstnané osoby, nezaměstnané a ty, kteří nejsou pracovními silami. První dvě kategorie představují ekonomicky aktivní obyvatelstvo, třetí kategorie představuje ekonomicky neaktivní obyvatelstvo. Ekonomicky aktivní obyvatelstvo tvoří disponibilní (potenciální) pracovní síly vztažené zpravidla k určitému datu. Vzájemné vztahy mezi jednotlivými kategoriemi v této oblasti včetně neaktivního obyvatelstva ilustruje následující obrázek č. 1 [2 s. 119].

23 Obr. 1: Členění obyvatelstva

Zdroj: JÍLEK, J., a J. MORAVOVÁ. Ekonomické a sociální indikátory: Od statistik k poznatkům, s. 119.

Definice mezinárodního standardu nezaměstnanosti se skládá ze tří základních kritérií. Na základě této definice mezi nezaměstnané patří všechny osoby od určeného věku (u nás 15 let a starší), které ve sledovaném období souběžně splňovaly všechna tato tři kritéria.

Prvním kritériem je, že tyto osoby nebyly v placeném zaměstnání a ani nebyly sebezaměstnané. Druhou podmínkou je, že aktivně hledaly práci. To znamená, že v minulém období podnikaly určité kroky za účelem získání placeného zaměstnání nebo sebezaměstnání. Poslední podmínka obsahuje předpoklad, že tyto osoby byly připraveny k nástupu do práce, tj. během sledovaného období byly schopny okamžitě nebo nejpozději do 14 dnů nastoupit do placeného zaměstnání nebo do vlastního podniku. V případě, že osoby nesplňují současně všechny tři výše uvedené podmínky, zahrnují se pak do osob ekonomicky neaktivních. Za nezaměstnané osoby se kromě toho považují i osoby, které si již práci našly, ale nástup do zaměstnání je stanoven na pozdější dobu. Nezaměstnaní se pak dále mohou členit podle kritéria registrace na registrované nebo neregistrované. Za

24

registrované nezaměstnané považujeme tu část nezaměstnaných, která pro aktivní hledání zaměstnání využívá služeb profesionálních organizací - v ČR úřadů práce. Neregistrovaní nezaměstnaní představují ty nezaměstnané osoby, které aktivně hledají zaměstnání jinou formou než prostřednictvím profesionálních organizací zprostředkujících práci [2 s. 120].

Za ekonomicky neaktivní obyvatelstvo se tedy považují všechny osoby, které nebyly ekonomicky aktivní podle shora uvedených definic, a to bez ohledu na jejich věk (včetně osob mladších, než je věk určený pro měření ekonomicky aktivního obyvatelstva).

Ekonomická neaktivita může být navíc zapříčiněna objektivními nebo subjektivními důvody. Za ekonomicky neaktivní z objektivních důvodů jsou považovány děti v předškolním věku, žáci a studenti navštěvující vzdělávací a studijní instituce, starobní důchodci, nezaměstnaní nebo invalidní. Ekonomicky neaktivní osoby ze subjektivních důvodů jsou osoby v domácnosti, které pečují o děti, rodiče apod., rentiéři a ostatní (např.

osoby v produktivním věku finančně nezajištěné a neochotné pracovat). Za ekonomicky neaktivní se tak považují i osoby v produktivním věku, které nepracují a souběžně nesplňují všechna tři základní kritéria nezaměstnanosti. Patří sem například i uchazeči o zaměstnání evidovaní na úřadu práce, kteří nejsou schopni nastoupit do zaměstnání během 14 dní (např. z důvodu probíhající rekvalifikace). Statistika zpravidla sleduje počet osob v jednotlivých kategoriích ekonomicky neaktivních a jejich podíl na celkovém počtu obyvatelstva, neboť pro sociální analýzy je důležitá znalost poměru počtu ekonomicky neaktivních a počtu zaměstnaných, která vyjadřuje hospodářské zatížení zaměstnaných osob [2 s. 121].

1.1.6 Míry ekonomické aktivity, zaměstnanosti a nezaměstnanosti

V návaznosti na věkovou strukturu můžeme obyvatelstvo rozčlenit na ekonomicky aktivní a neaktivní. Kromě absolutních údajů o počtu osob, které jsou ekonomicky aktivní nebo neaktivní, se často využívají i relativní charakteristiky. Výchozím ukazatelem je zde míra ekonomické aktivity obyvatelstva:

Míra ekonomické aktivity obyvatelstva = počet ekonomicky aktivních osob

celkový počet obyvatelstva

25

Tento ukazatel vyjadřuje podíl počtu ekonomicky aktivních osob z celkového počtu obyvatelstva a obvykle se konstruuje z okamžikových stavů obou veličin. Velikost míry ekonomické aktivity se zpravidla liší pro jednotlivé věkové skupiny a je rovněž rozdílná u mužů a žen. Proto se pro lepší vypovídající schopnost vytvářejí tzv. specifické míry ekonomické aktivity, které jsou konstruované zvlášť pro muže, ženy a pro jednotlivé (jednoleté nebo víceleté) věkové, případně jiné skupiny. Pomocí specifických měr ekonomické aktivity a úmrtnostních tabulek můžeme získat tabulky ekonomické aktivity, které poskytují informace o pracovním potenciálu, který má daná populace k dispozici.

Převrácená hodnota míry ekonomické aktivity pak vyjadřuje hospodářské zatížení aktivních osob:

Hospodářské zatížení aktivních osob = celkový počet obyvatelstva

počet ekonomicky aktivních osob

Při mezinárodním srovnání se často pro konstrukci míry ekonomické aktivity využívá namísto celkového počtu obyvatelstva také počet obyvatelstva straších 15 let. V tomto pojetí se u nás míra ekonomické aktivity počítá na základě výsledků z výběrového šetření pracovních sil a je také členěna podle pohlaví a věku [2 s. 121-122].

Větší vypovídací schopnost než míra ekonomické aktivity mají míry zaměstnanosti, které jsou vytvářené na základě ukazatele počtu zaměstnaných. Míra zaměstnanosti se pak vyjadřuje jako podíl zaměstnaných na celkovém počtu ekonomicky aktivních:

Míra zaměstnanosti = počet zaměstnaných osob

počet ekonomicky aktivních osob

Stejně jako u míry ekonomické aktivity lze i u zaměstnanosti určit specifické míry.

V mezinárodním srovnání je stupeň zaměstnanosti považován za důležitý indikátor ekonomického rozvoje a životní úrovně. Při hodnocení časových případně prostorových rozdílů lze posuzovat vliv ukazatele ekonomické aktivity a míry zaměstnanosti na rozdíl v úrovni zaměstnanosti. Ukazatel zaměstnanosti navíc doplňuje míra podzaměstnanosti, která se konstruuje jako procentní poměr počtu viditelně podzaměstnaných a počtu

26

zaměstnaných osob. Podzaměstnanost nastává tehdy, je-li zaměstnání některých osob neadekvátní ve vztahu k specifickým normám – časovým i profesním. Rozlišují se dva základní druhy podzaměstnanosti, a to viditelná a skrytá podzaměstnanost. Skrytá podzaměstnanost je charakterizována nedostatečným využitím kvalifikace, nízkým příjmem a nízkou produktivitou. Statistické měření se v praxi zpravidla omezuje na viditelnou podzaměstnanost. Za podzaměstnané osoby se z tohoto hlediska považují všechny osoby v placeném zaměstnání nebo osoby pracující ve svém podniku, které nedobrovolně pracovaly kratší dobu než je normální doba určená pro danou činnost a souběžně během sledovaného období hledaly práci nebo byly připraveny pro další práci.

Avšak za podzaměstnané osoby se nepovažují ty osoby, které pracují kratší dobu než je normálně stanovená pracovní doba dobrovolně [2 s. 123].

Jak z ekonomického tak i ze sociálního hlediska je v této oblasti za nejdůležitější charakteristiku považována míra nezaměstnanosti, která vyjadřuje procentuální podíl nezaměstnaných na celkovém počtu ekonomicky aktivních osob neboli počtu pracovních sil:

Míra nezaměstnanosti = počet nezaměstnaných osob

počet ekonomicky aktivních osob 100 (10)

Vedle celkové obecné míry nezaměstnanosti můžeme také konstruovat specifické míry nezaměstnanosti podle pohlaví, věkových skupin nebo vzdělání. V praxi se však často setkáváme s různými mírami nezaměstnanosti. Rozdíly mezi jednotlivými mírami nezaměstnanosti vznikají především z rozdílů v použitých metodikách pro stanovení počtu nezaměstnaných a ekonomicky aktivních osob, ale také z rozdílů v přesnosti zdrojů dat a časové srovnatelnosti obou údajů. Podle mezinárodních doporučení ILO je obecná míra nezaměstnanosti definovaná jako ukazatel konstruovaný na základě výsledků výběrových šetření pracovních sil, kde nezaměstnané a ekonomicky aktivní osoby jsou uváděny podle jejich místa pobytu [2 s. 123].

Obecnou míru nezaměstnanosti navíc doplňuje míra registrované nezaměstnanosti, která je konstruovaná podle počtu registrovaných nezaměstnaných MPSV. Míra nezaměstnanosti

27

je důležitým indikátorem sociálního klimatu a zároveň je spolehlivým znamením měnících se ekonomických podmínek. Na základě změn míry nezaměstnanosti se posuzuje vážnost ekonomického poklesu. A přestože je největší pozornost věnována celkové míře nezaměstnanosti, specifické míry mohou poskytovat přesnější signály cyklických změn v ekonomice, neboť míry nezaměstnanosti některých skupin jsou ve srovnání s ostatními citlivější na ekonomický pokles [2 s. 124].

Kromě míry nezaměstnanosti je důležitou charakteristikou sociálního klimatu délka nezaměstnanosti. Pokud zjišťujeme délku nezaměstnanosti u nezaměstnaných k určitému datu, z takto získaných údajů vypočítáme pouze ukazatele průměrné dosavadní doby nezaměstnanosti. Tento ukazatel ovšem nemůže být zobecněn na celý soubor všech nezaměstnaných během celého roku. Pro takové zobecnění je potřeba znát u jednotlivých nezaměstnaných začátek a konec nezaměstnanosti během sledovaného roku. Na základě dat z evidence úřadů práce, které tyto údaje poskytují, lze vypočítat celkovou uzavřenou dobu nezaměstnanosti. Zvláštní pozornost je pak třeba věnovat údajům o dlouhodobé nezaměstnanosti, která trvá déle než jeden rok. Dlouhodobá nezaměstnanost charakterizuje především skupinu osob, která je velmi obtížně umístitelná na trhu práce a na rozdíl od krátkodobé nezaměstnanosti, kde může jít jen o krátkodobý stav v důsledku přesunu od jednoho zaměstnavatele k jinému nebo do vlastní podnikatelské aktivity, má zásadní dopad na jejich sociální status. Dlouhodobá nezaměstnanost signalizuje, že tato skupina osob buď odmítá pracovat nebo není schopna nalézt na trhu práce své uplatnění a ztrácí tak morální schopnosti a vlastnosti jako pracovní síla [2 s. 125].

1.1.7 Hustota obyvatelstva

Tento ukazatel sleduje průměrný počet obyvatel bydlících na daném území a vyjadřuje tak průměrný počet obyvatel na jednotku plochy v daném regionu a sledovaném období.

Hustota obyvatelstva (na 1 km²) = počet obyvatel

rozloha území (km )

Hustota obyvatelstva je ukazatelem, který přímo souvisí mimo jiné s mírou urbanizace regionu a s efektivní dopravní obslužností [3 s. 16].

28

1.2 Populační politika

Mnohojazyčný demografický slovník definuje populační politiku jako řadu opatření přijatých veřejnou správou s cílem působit na populační vývoj. Populační politiku rozděluje na populacionistickou politiku, která si klade za cíl zvětšit početnost populace nebo zvýšit její míru přírůstku, eventuálně omezit počínající pokles, a politiku omezování početí za účelem snížení populačního růstu. Populacionistickou politiku označuje jako politiku pronatalitní a její cíl spatřuje ve zvyšování míry porodnosti. Oproti tomu antinatalitní politika usiluje o snížení počtu narozených. Kromě toho populační politika zahrnuje politiku přerozdělení obyvatelstva, kterým se myslí jeho požadované nové územní rozmístění [4 s. 115].

Demografický vývoj v nedávných letech přiměl většinu evropských zemí, aby v rámci populační politiky zavedly nebo rozšířily opatření na podporu rodiny, neboť pokles plodnosti od 70. let 20. století vedl k významnému snížení počtu narozených dětí.

Takovýto vývoj by mohl mít v dlouhodobém horizontu neblahé důsledky a zároveň z průzkumů vyplynulo, že počet dětí v rodině je často nižší, než jaký by si lidé přáli. Cílem opatření na podporu rodiny je tedy zmenšit rozdíl mezi plánovanou a skutečnou plodností a snížením překážek, které brání v rození dětí. V současnosti usilují vlády v rámci rodinné politiky o vyšší zapojení žen do pracovního procesu a zároveň se snaží umožnit rodičům lepší skloubení pracovního a rodinného života. Rostoucí zájem o populační politiku je rovněž patrný z celkových investic vlád na přídavky a služby pro rodiny, které se například v zemích OECD v průměru zvýšily z 1,6 % HDP v roce 1980 na 2,4 % v roce 2003 [5 s.

252].

Přístup k rodinné politice se přesto v jednotlivých zemích značně liší. Země, které mají již dlouhodobou rodinnou politiku, ji postupně pouze aktualizovaly tak, aby odpovídala novým potřebám rodin. Jiné země opatření na podporu rodin zavedla teprve nedávno ve formě různorodých sociálních dávek. Zároveň se populační politiky jednotlivých zemí liší i cíly, které sledují. Mezi deklarované cíle patří podpora plodnosti, slučitelnost profesního a rodinného života, snižování nerovnosti v životní úrovni a snižování chudoby rodin, podpora zdravotní péče a vzdělání, ale i podpora spravedlivějšího rozdělení domácích prací mezi mužem a ženou. Přestože se může zdát, že cíle většího zapojení žen do pracovního

29

procesu a zvyšování plodnosti se vzájemně vylučují, tak opak je pravdou. Jak znázorňuje obrázek č. 2, tak nejvyšší úhrnné míry plodnosti byly v roce 2005 v zemích s nejvyšší mírou zaměstnanosti žen [5 s. 252-253].

Obr. : Úhrnná míra plodnosti a míry zaměstnanosti žen v zemích OECD v roce 2005

Zdroj: OECD, THÉVENON, O. Rodinná politika ve vyspělých zemích: Protikladné modely, s.

253.

Rozdíly v opatřeních rodinné politiky různých zemích jsou nejvíce patrné v jejich přístupu k rodičovské dovolené a v počtu zařízení péče o děti určených pro děti do tří let věku.

Podle těchto hledisek se rýsují dvě skupiny zemí OECD, a to země skandinávské a pak země jihoevropské a anglosaské. Rodičovská dovolená ve skandinávských zemích je tradičně delší než v ostatních zemích OECD. Například ve Švédsku trvá rodičovská dovolená 53 týdnů, během nichž vzniká nárok na dávku odpovídající průměrné mzdě na

30

plný úvazek. Oproti tomu průměrná rodičovská dovolená za všechny země OECD trvá pouze 27 týdnů. Celkově jsou ve skandinávských zemích rovněž i vyšší náklady na rodičovskou dovolenou, které v průměru na každé dítě dosahují 57 % HDP na obyvatele.

V porovnání s 25 % HDP na obyvatele v ostatních zemích a pouhými 5 % HDP na obyvatele v anglosaských zemích. Rovněž i podíl dětí umístěných v zařízeních péče o dítě je ve skandinávských zemích vyšší. V severských zemích je v takovýchto zařízeních zapsáno okolo 50 % všech dětí do tří let věku, zatímco v ostatních zemích to je necelých 20 %. Naproti tomu je objem rodinných přídavků ve skandinávských zemích podprůměrný a je patrně určen především pro nízkopříjmové rodiny [5 s. 253-255].

Tabulka č. 1 obsahuje parametry mateřské dovolené v České republice, Finsku, Norsku a Švýcarsku. Mateřská dovolená je v České republice stanovena na 28 týdnů, resp. 37 týdnů v případě vícečetného porodu, a náhrada mzdy činí přibližně 70 %. Ve Finsku trvá mateřská dovolená 105 pracovních dnů (okolo 17,5 týdne) a náhrada mzdy je v průměru 66,9 % mzdy. V Norsku je délka mateřské dovolené stanovena na 9 týdnů se 100%

náhradou mzdy, kterou platí stát. Ve Švýcarsku trvá mateřská dovolená 14 týdnů (v některých kantonech 16 týdnů) a příspěvek je hrazen zaměstnavatelem a činí 80 % mzdy [6 s. 2-7].

Tab. 1: Mateřské dovolené

Země Délka trvání Příspěvek

Česká republika 28 týdnů 68,9 % mzdy

Finsko 17,5 týdnů 66,9 % mzdy

Norsko 9 týdnů 100 % mzdy

Švýcarsko 14 týdnů 80 % mzdy

Zdroj: OECD. Key characteristics of parental leave systems, s. 2.

Rodičovská dovolená v České republice trvá 3 roky, ovšem rodičovský příspěvek lze pobírat dva, tři nebo čtyři roky. Celková částka vyplacená za celou mateřskou dovolenou je 220 000 Kč a měsíční rodičovský příspěvek nesmí převýšit 70 % předchozího výdělku.

První část rodičovské dovolené ve Finsku trvá 26 týdnů, po které rodič pobírá 75 % předchozí mzdy. Druhá část rodičovské dovolené pokračuje do tří let věku dítěte, za kterou rodič dostává paušální příspěvek. Navíc mají rodiče ze zákona nárok na práci na zkrácený

31

úvazek, pokud je jedno z dětí mladší 8 let. Rodičovská dovolená v Norsku je stanovena na 47-57 týdnů s 80-100% příspěvkem. Z této doby je 9 týdnů určeno výhradně pro matku a 12 týdnů pro otce. Do dvou let věku dítěte pak mají rodiče nárok na neplacenou dovolenou [6 s. 2-17].

Tab. 2: Rodičovské dovolené a dovolené na péči o dítě

Země Délka trvání Příspěvek

Česká republika 3 roky 25,3% mzdy

Finsko 3 roky 21 % mzdy

Norsko 88 týdnů 32,7 % mzdy

Švýcarsko - -

Zdroj: OECD. Key characteristics of parental leave systems, s. 2.

V tabulce č. 3 jsou uvedeny detaily otcovské dovolené. V České republice a Švýcarsku tento typ rodičovské dovolené není garantován zákonem. Ve Finsku je otcovská dovolená stanovena na 18 dnů, které se navyšují o další 4 týdny, pokud si otec vybral alespoň dva týdny z rodičovské dovolené. Příspěvek je stanoven ve výši 70 % mzdy a je hrazen zaměstnavatelem. V Norsku jsou první dva týdny po narození dítěte neplacené (pokud není stanovena náhrada mzdy v kolektivní smlouvě) a po zbylých 12 týdnů je otci poskytnuta 100% náhrada mzdy [6 s. 2-12].

Tab. 3: Otcovské dovolené

Země Délka trvání Příspěvek

Česká republika - -

Finsko 7 týdnů 70 % mzdy

Norsko 14 týdnů 85,7 % mzdy

Švýcarsko - -

Zdroj: OECD. Key characteristics of parental leave systems, s. 2.

32

2 Vzdělanostní struktura obyvatelstva

Z hlediska statistiky je za vzdělávací aktivity považováno systematické vyučování, které vede ke specifickým znalostem nebo specifickým dovednostem. Vzdělávací aktivity rovněž zahrnují všechny činnosti, které vedou k tzv. formálnímu vzdělávání. Formální vzdělávání se zpravidla spojuje s nějakým druhem osvědčení kvalifikace jako např.

vysvědčení, výuční list nebo diplom. V posledních letech v důsledku urychlujícího se vědecko-technického a společenského rozvoje ovšem přestávají stačit jednorázově získané poznatky pomocí tzv. formálního vzdělávání po celý produktivní život člověka. V oblasti vzdělávání se tak začíná objevovat zcela nový fenomén a to celoživotní vzdělávání, které provází člověka nejen školními léty, ale i po celé období jeho produktivního a často i poproduktivního života. Statistika v rámci vymezených vzdělávacích aktivit sleduje tři oblasti – vzdělávací procesy, jejich zajištění vzdělávacími kapacitami a výsledky vzdělávacího procesu – úroveň vzdělání obyvatelstva. Ve všech třech oblastech se při statistickém sledování vychází z Klasifikace kmenových oborů vzdělání (KKOV) [2 s. 191 - 192].

Klasifikace kmenových oborů vzdělání (KKOV) je víceúčelová a umožňuje jednotné kódování. Tato klasifikace se využívá v oblasti systému evidence pracovníků a také výrazně zjednodušuje zjišťování ve sféře školství. Vztahuje se rovněž na zápisy účastníků vzdělání, učební pomůcky, finance a pod. Zároveň umožňuje jednotné členění obyvatelstva podle dosaženého stupně vzdělání. Kód KKOV je dvourozměrný. V prvním rozměru se třídí kmenové obory vzdělání ve skupinách tvořících účelové uspořádání věd a nauk (hlavní skupina, skupina kmenový obor vzdělávání). Ve druhém rozměru (4. stupeň vyjadřovaný alfabetickým údajem) se uvádí nejvyšší dosažené vzdělání navazující na třídění podle prvního rozměru. Nejvyšší dosažené vzdělání je v této klasifikaci rozděleno do 14 kategorií – viz tabulka č. 4 [2 s. 118].

33 Tab. 4: Kategorie dosaženého vzdělání podle KKOV Kód Dosažené vzdělání

A bez vzdělání, nedokončený 1. stupeň základní školy

B neúplné základní vzdělání, dokončený 1. stupeň základní školy C základní vzdělání, jednoletá a dvouletá praktická škola D nižší střední vzdělání, tříletá příprava v praktické škole

E nižší střední odborné vzdělání (vzdělávací programy učilišť, odborných učilišť)

H střední odborné vzdělání dosažené absolvováním nematuritních vzdělávacích programů poskytujících výuční list, s výjimkou programů uvedených v bodě E

J střední nebo střední odborné vzdělání dosažené absolvováním středoškolských nematuritních vzdělávacích programů neposkytujících výuční list

K úplné střední všeobecné vzdělání

L úplné střední odborné vzdělání dosažené absolvováním studijních programů SOU ukončených maturitou a vzdělávacích programů SOU i SOŠ pro absolventy tříletých učebních oborů ukončených maturitou

M úplné střední odborné vzdělání dosažené absolvováním vzdělávacích programů ukončených maturitou, s výjimkou programů uvedených v bodě L; pomaturitní studium kvalifikační N vyšší vzdělání dosažené absolvováním vzdělávacích programů vyšších odborných škol,

konzervatoří a tanečních konzervatoří; pomaturitní studium specializační a inovační R vysokoškolské vzdělání dosažené absolvováním bakalářských studijních programů

vysokých škol

T vysokoškolské vzdělání dosažené absolvováním magisterských (tj. i inženýrských a lékařských) studijních programů vysokých škol

V vysokoškolské doktorské vzdělání dosažené absolvováním studia v doktorském studijním programu, postgraduální studium a vědecká výchova

Zdroj: ČSÚ. Konstrukce klasifikace kmenových oborů vzdělávání

Úroveň vzdělání obyvatelstva je z dlouhodobého hlediska odrazem vzdělávacích aktivit v dané zemi. Statistika úrovně vzdělání obyvatelstva se hodnotí pomocí dosaženého nejvyššího stupně vzdělání obyvatel. Tyto ukazatele se např. v ČR získávají během Sčítání lidu, domů a bytů a aktuální údaje jsou v této formě k dispozici v desetiletých intervalech a to včetně stupně negramotnosti obyvatelstva (15letých a starších). Pro mezinárodní srovnání se využívá porovnání struktury obyvatelstva podle dosaženého nejvyššího stupně vzdělání u osob starších 25 let, u kterých lze předpokládat, že již ukončily své úsilí

34

o dosažení vyššího školního vzdělání. Kromě Sčítání lidu, domů a bytů se údaje o nejvyšším dokončeném vzdělání sledují během všech výběrových šetření v domácnostech – ve Výběrovém šetření pracovních sil, Statistice rodinných účtů, Mikrocenzech, European Statistics on Income and Living Conditions (EU – SILC), ve výběrovém šetření o sociální situaci domácnosti a u zaměstnanců ve Výběrovém šetření o mzdách zaměstnanců [2 s. 193 - 194].

Změny v úrovni vzdělávání obyvatelstva můžeme z krátkodobého hlediska charakterizovat pomocí následujících ukazatelů:

 počtu těch, kteří opouštějí vzdělávací systém (podle věku),

 podílu těch, kteří opouštějí vzdělávací systém na celkovém počtu obyvatel v příslušné věkové skupině,

 průměrného věku při opouštění vzdělávacího systému,

 průměrného počtu let strávených ve vzdělávacím systému [2 s. 194].

2.1 Definice a popis ukazatelů vzdělanostní struktury

Nejčastěji využívaným zdrojem pro hodnocení úrovně vzdělání obyvatelstva je údaj o nejvyšším dosaženém formálním vzdělání. Tento údaj je využíván buď jako samostatný ukazatel, nebo vstupuje do dalších ukazatelů úrovně vzdělání obyvatelstva. Přestože je tento nástroj pro měření úrovně vzdělání obyvatelstva nedokonalý, neboť předpoklad o stejné efektivitě selektivní a produktivní funkce vzdělávání v rámci jednotlivých stupňů studia a o jejich stejné efektivitě v čase je stěží udržitelný, jeho předností je, že je pravidelně zjišťován. Zjišťování nejvyššího dosaženého vzdělání je součástí téměř všech šetření obyvatelstva, která se na území České republiky provádějí. Evidencí studentů v ČR se zabývají školní matriky, které však primárně neslouží ke zkoumání vzdělanostní úrovně obyvatelstva. Jejich cílem je na úrovni základních, středních a vyšších odborných škol a konzervatoří evidovat žáky a studenty škol a školských zařízení, na úrovni vysokých škol evidovat studenty vysokých škol, a to především k rozpočtovým účelům. Ve školní matrice existuje individuální záznam o každém žákovi či studentovi, který studuje nebo studoval. Jedná se tedy o velmi kvalitní zdroj, který by v kombinaci s registrem obyvatelstva mohl v budoucnu sloužit k detailní evidenci formální vzdělanostní struktury obyvatelstva. Bohužel nemožnost propojit registr obyvatelstva a školní matriky nás staví

35

do situace, kdy se musíme orientovat na samostatná šetření, která se primárně nevěnují zjišťování vzdělanostní úrovně obyvatelstva na území České republiky. Z těchto šetření je pak možné konstruovat strukturní a podílové ukazatele, jakými jsou například podíly obyvatelstva v jednotlivých vzdělanostních skupinách [8 s. 10 - 11].

Do celkové úrovně vzdělanosti obyvatelstva je dále nezbytné zahrnout také další vzdělávání, které osoba realizuje až po vstupu do ekonomicky aktivního života a které se již nezapočítává do počátečního vzdělávání. Další vzdělávání může nabývat formy jak formální, tak i neformální či informální. Formální vzdělávání vede k získání osvědčení či diplomu. Neformální vzdělávání je vzdělávání, které probíhá pod dohledem lektora, které ovšem není zakončeno osvědčením či diplomem. Informální vzdělávání je v podstatě samostatné učení. Jako datový zdroj lze pro tuto oblast použít výsledky šetření Další vzdělávání dospělých, které provádí v České republice Český statistický úřad [8 s. 17].

2.1.1 Průměrná délka vzdělávání (ALE)

Pro měření úrovně vzdělanosti obyvatelstva můžeme kromě ukazatele nejvyšší dosažené vzdělání použít ukazatel průměrná délka vzdělávání, které umožňuje kvantitativní ohodnocení úrovně vzdělání obyvatelstva. Pro ohodnocení jednotlivých stupňů studia jejich náročností se využívá ohodnocení časem. Za čas se při konstrukci tohoto ukazatele dosazuje počet let strávených při studiu daného stupně, který je vyjádřen jako standardní doba studia daného stupně. Ukazatel vychází z předpokladu, že při prodlužování studia nad standardní dobu studia student z tohoto studia nezískal dostatečnou vzdělanostní úroveň.

Pokud tedy máme k dispozici vzdělanostní strukturu obyvatelstva, je pak možné odhadnout celkovou vzdělanost obyvatelstva jako průměrnou délku vzdělávání v populaci (Average Lenght of Education, ALE) [8 s. 21].

Při výpočtu ukazatele průměrná délka vzdělávání je každý stupeň formálního studia ohodnocen příslušným počtem let jeho standardní délky:

l_k = 0 let pro osoby bez vzdělání, pro k = 1,

l_k = 9 let pro osoby se základním vzdělání, pro k = 2,

l_k = 12 let pro osoby se středním vzdělání bez maturity, pro k = 3, lk = 13 let pro osoby se středním vzdělání s maturitou, pro k = 4,

36

lk = 14,5 let pro absolventy nástavbového středního vzdělání s maturitou, pro k = 5, lk = 16 let pro bakaláře a absolventy VOŠ, pro k = 6,

lk = 18 let pro magistry, pro k = 7,

lk = 21 let pro absolventy doktorského studia, pro k = 8.

Pro výpočet průměrné délky vzdělávání se využije následující vztah:

ALE =

∑

f

l

kde l_k je celkový počet let studia nutný k dosažení příslušného vzdělanostního stupně a f_k je pak relativní četnost příslušné vzdělanostní skupiny [8 s. 21 - 22].

2.1.2 Střední délka vzdělávání (EE)

Mírně odlišným ukazatelem úrovně vzdělání obyvatelstva, který využívá především OECD, je střední délka vzdělávání (Education Expectancy, EE). Svou konstrukcí je tento ukazatel velmi podobný střední délce života. Střední délka života vyjadřuje, kolik let by se průměrně dožil právě xletý člověk při zachování úmrtnostních poměrů platných v okamžiku, ke kterému je vypočtena. Střední délka vzdělávání se konstruuje pro osobu ve věku 5 let (předškolní vzdělání se do tohoto ukazatele nezahrnuje) a její hodnota se spočítá na základě účasti na formálním vzdělávání v jednotlivých jednoletých věkových skupinách:

EE =

∑

S_x -

, (13)

kde E_x je počet zapsaných ke studiu ve věku x, S_x je počet obyvatel ve věku x a ω je věk, kterého se již nikdo nedožije [8 s. 24].

Ukazatel střední délky vzdělávání je jedním z velmi dobře interpretovatelných ukazatelů a podává kvalitní obraz o úrovni účasti na vzdělání. Jeho nevýhodou je, že úroveň vzdělání, kterou popisuje, je pouze průřezový ukazatel a jeho využití pro další analýzy je omezené. Výhodou tohoto ukazatele je ovšem jeho aktuálnost pro mezinárodní srovnávání účastni na vzdělávání. Z tohoto důvodu je v současné době často užívané kritérium pro

37

hodnocení úrovně vzdělávací soustavy dané země. Spojitost mezi průměrnou délkou vzdělávání obyvatelstva a střední délkou vzdělávání je velmi úzká. Je možné ji interpretovat tak, že střední délka vzdělávání indikuje, jestli se průměrná délka vzdělávání v budoucnu změní. Výpočtem ukazatele střední délka vzdělávání pro OECD se v České republice zabývá Ústav pro informace ve vzdělávání, který má k dispozici kvalitní datovou základnu a má především možnost nahlížet do školních matrik studentů, jejichž záznamy jsou pro výpočet střední délky vzdělávání nezbytné [8 s. 25].

2.2 Vzdělávací systémy

Vzdělávací systémy v současné společnosti procházejí mohutným vývojem, kdy se stále častěji mluví o učící se společnosti, ve které nejen formální vzdělávání, ale i veškeré další neformální vzdělávání nabývá na stále větší důležitosti pro život lidí. Všechny vyspělé i méně rozvinuté země se podle svých ekonomických možností a kulturních tradic snaží vybudovat co nejdokonalejší vzdělávací systémy, které se mají stát nezbytným předpokladem k jejich dalšímu rozvoji. Z mezinárodního pohledu se ohledně vzdělávacích systémů objevují dva celkem protichůdné trendy. Na jedné straně se vzdělávací systémy ve světě stále více globalizují. Jinými slovy ve sféře vzdělávání dochází k procesům sbližování a propojování na mezinárodní úrovni. Na druhé straně jsou vzdělávací systémy ve světě stále velmi specifické, jedinečné a vzájemně odlišné. Tento individuální charakter vzdělávacích systémů jednotlivých zemí je dán silnou závislostí na historických, kulturních, náboženských a jiných tradicích [9 s. 15-16].

2.2.1 Preprimární vzdělávání

Preprimární vzdělávání neboli předškolní vzdělávání je definováno jako uvedení dětí raného věku do prostředí školního typu. Preprimární vzdělávání znamená různé typy vzdělávacích programů určené pro děti předškolního věku, které již svými obsahy připravují děti na školní vzdělávání, a jsou typicky realizované v mateřských školách.

Základním cílem preprimárního vzdělávání je především připravit dítě pro život ve společnosti, vybavit jej potřebnými poznatky a dovednostmi pro vlastní rozvoj a vzdělávání. V souvislosti s pojetím předškolní výchovy můžeme rozlišit dva základní modely. Školský model organizuje preprimární vzdělávání ve třídách, v nichž jsou děti řazeny podle věkových kategoriích, a je realizován např. v České republice nebo Velké

38

Británii. Rodinný model organizuje předškolní vzdělávání ve skupinách, které sdružují děti různého věku, a je realizován např. ve Finsku nebo Švédsku. Co se týče situace v České republice, patříme mezi země s vysokou účastí dětské populace v některém typu předškolního vzdělávání [9 s. 51-57].

Naproti tomu Finsko představuje v mezinárodním srovnání skupinu zemí s nízkým začleněním dětské populace do zařízení předškolního vzdělávání. Ve Finsku vstupuje do předškolních zařízení okolo 27-35 % dětí ve věku 3-5 let. Pouze v období před zahájením povinné školní docházky se podíl dětí v těchto zařízeních zvyšuje na 57 % [9 s. 60-61].

Účast na preprimárním vzdělávání je dobrovolná, avšak od roku 2001 mají místní úřady povinnost zajistit jeden rok předškolního vzdělání před zahájením povinné školní docházky pro všechny děti ve věku 6 let [10 s. 10]. Díky tomu podíl 6 letých dětí zapsaných v předškolních vzdělávacích zařízeních roste až na 98 % [11]. Příčinou nízkého začlenění dětí do institucí předškolního vzdělání je především řídké osídlení v této zemi, které neumožňuje všude zřizovat mateřské školy, a také převládající mínění o výhodách rodinné výchovy pro děti předškolního věku. Předškolní děti ve Finsku jsou umisťovány buď do dětských center nebo rodinných center péče o děti. Dětská centra odpovídají českým jeslím a mateřským školám, výchova probíhá na základě předepsaných kurikulárních materiálů a o děti se starají kvalifikované učitelky a vychovatelky. Naproti tomu velmi oblíbená rodinná centra péče o děti je obecními správami podporovaná instituce, kdy se určitá matka během dne stará kromě svého vlastního dítěte i o několik dětí z jiných rodin a zajišťuje jim příslušnou péči ve svém vlastním domě. V rodinných centrech ovšem nejsou realizována nějaká kurikulární opatření [9 s. 61].

V Norsku je preprimární vzdělání zajištěno mateřskými školami a je určeno všem dětem předškolního věku, které jsou mladší 6 let. Mateřské školy mají povinnost poskytovat jak péči o děti, tak jejich předškolní vzdělávání. Účast dětí v mateřské škole je ale nepovinná [12]. Naproti tomu ve Švýcarsku je v závislosti na jednotlivých kantonech jeden, dva nebo i tři roky předškolního vzdělávání před zahájením povinné školní docházky povinné a je poskytováno zpravidla obcemi. Z tohoto důvodu je do předškolních zařízení zapsáno téměř 100 % dětí jeden rok a okolo 86 % dětí dva roky před začátkem školní docházky [13].